Guia Rápido do Ollama - comandos mais úteis

Aqui está a lista e exemplos dos comandos mais úteis do Ollama (folha de dicas dos comandos do Ollama) Compilei há algum tempo. Espero que também seja útil para você useful to you.

Esta folha de dicas do Ollama se concentra em comandos da linha de comando, gerenciamento de modelos e personalização, Mas também temos aqui alguns curl chamadas também.

Instalação

• Opção 1: Baixar do site
  • Visite ollama.com e baixe o instalador para seu sistema operacional (Mac, Linux ou Windows).
• Opção 2: Instalar via linha de comando
  • Para usuários de Mac e Linux, use o comando:

curl https://ollama.ai/install.sh | sh

• Siga as instruções na tela e insira sua senha se solicitado.

Requisitos do sistema

• Sistema operacional: Mac ou Linux (versão para Windows em desenvolvimento)
• Memória (RAM): Mínimo 8 GB, recomendado 16 GB ou mais
• Armazenamento: Pelo menos ~10 GB de espaço livre (os arquivos dos modelos podem ser realmente grandes, veja mais Mover modelos do Ollama para um disco diferente)
• Processador: Um CPU relativamente moderno (dos últimos 5 anos).

Comandos básicos da CLI do Ollama

Gerenciamento de Modelos

• Baixar um Modelo:

  ollama pull mistral-nemo:12b-instruct-2407-q6_K
  

  Este comando baixa o modelo especificado (por exemplo, Gemma 2B, ou mistral-nemo:12b-instruct-2407-q6_K) para seu sistema. Os arquivos do modelo podem ser bastante grandes, então fique atento ao espaço usado pelos modelos no disco rígido, ou SSD. Você pode até mesmo querer mover todos os modelos do Ollama do seu diretório de casa para outro disco maior e melhor

• Executar um Modelo:

  ollama run qwen2.5:32b-instruct-q3_K_S
  

  Este comando inicia o modelo especificado e abre um REPL interativo para interação.

• Listar Modelos:

  ollama list
  

  O mesmo que:

  ollama ls
  

  Este comando lista todos os modelos que foram baixados para seu sistema, como

  $ ollama ls
  NAME                                                    ID              SIZE      MODIFIED     
  deepseek-r1:8b                                          6995872bfe4c    5.2 GB    2 semanas atrás     
  gemma3:12b-it-qat                                       5d4fa005e7bb    8.9 GB    2 semanas atrás     
  LoTUs5494/mistral-small-3.1:24b-instruct-2503-iq4_NL    4e994e0f85a0    13 GB     3 semanas atrás     
  dengcao/Qwen3-Embedding-8B:Q4_K_M                       d3ca2355027f    4.7 GB    4 semanas atrás     
  dengcao/Qwen3-Embedding-4B:Q5_K_M                       7e8c9ad6885b    2.9 GB    4 semanas atrás     
  qwen3:8b                                                500a1f067a9f    5.2 GB    5 semanas atrás     
  qwen3:14b                                               bdbd181c33f2    9.3 GB    5 semanas atrás     
  qwen3:30b-a3b                                           0b28110b7a33    18 GB     5 semanas atrás     
  devstral:24b                                            c4b2fa0c33d7    14 GB     5 semanas atrás  
  

• Parar um Modelo:

  ollama stop llama3.1:8b-instruct-q8_0
  

  Este comando para o modelo especificado que está sendo executado.

Liberar Modelo da VRAM

Quando um modelo é carregado na VRAM (memória da GPU), ele permanece lá mesmo após você terminar de usá-lo. Para liberar explicitamente um modelo da VRAM e liberar a memória da GPU, você pode enviar uma solicitação para a API do Ollama com keep_alive: 0.

• Liberar Modelo da VRAM usando curl:

curl http://localhost:11434/api/generate -d '{"model": "MODELNAME", "keep_alive": 0}'

Substitua MODELNAME pelo nome real do seu modelo, por exemplo:

curl http://localhost:11434/api/generate -d '{"model": "qwen3:14b", "keep_alive": 0}'

• Liberar Modelo da VRAM usando Python:

import requests

response = requests.post(
    'http://localhost:11434/api/generate',
    json={'model': 'qwen3:14b', 'keep_alive': 0}
)

Isso é particularmente útil quando:

• Você precisa liberar a memória da GPU para outras aplicações
• Você está executando múltiplos modelos e quer gerenciar o uso da VRAM
• Você terminou de usar um modelo grande e quer liberar os recursos imediatamente

Nota: O parâmetro keep_alive controla por quanto tempo (em segundos) um modelo permanece carregado na memória após a última solicitação. Defini-lo como 0 descarrega o modelo da VRAM imediatamente.

Personalizando Modelos

• Definir Prompt do Sistema: Dentro do REPL do Ollama, você pode definir um prompt do sistema para personalizar o comportamento do modelo:

  >>> /set system Para todas as perguntas feitas, responda em inglês simples evitando o jargão técnico tanto quanto possível
  >>> /save ipe
  >>> /bye
  

  Em seguida, execute o modelo personalizado:

  ollama run ipe
  

  Isso define um prompt do sistema e salva o modelo para uso futuro.

• Criar Arquivo de Modelo Personalizado: Crie um arquivo de texto (por exemplo, custom_model.txt) com a seguinte estrutura:

  FROM llama3.1
  SYSTEM [Suas instruções personalizadas aqui]
  

  Em seguida, execute:

  ollama create mymodel -f custom_model.txt
  ollama run mymodel
  

  Isso cria um modelo personalizado com base nas instruções no arquivo.

Usando Ollama com Arquivos

• Resumir Texto de um Arquivo:

  ollama run llama3.2 "Resuma o conteúdo deste arquivo em 50 palavras." < input.txt
  

  Este comando resumirá o conteúdo de input.txt usando o modelo especificado.

• Registrar Respostas do Modelo em um Arquivo:

  ollama run llama3.2 "Me conte sobre energia renovável." > output.txt
  

  Este comando salva a resposta do modelo em output.txt.

Casos de uso comuns

• Geração de texto:

  • Resumir um grande arquivo de texto:

    ollama run llama3.2 "Resuma o seguinte texto:" < long-document.txt
    

  • Gerar conteúdo:

    ollama run llama3.2 "Escreva um artigo curto sobre os benefícios do uso de IA na saúde." > article.txt
    

  • Responder perguntas específicas:

    ollama run llama3.2 "Quais são as últimas tendências em IA e como elas afetarão a saúde?"
    

  .

• Processamento e análise de dados:

  • Classificar texto em sentimentos positivos, negativos ou neutros:

    ollama run llama3.2 "Analise o sentimento desta avaliação do cliente: 'O produto é fantástico, mas a entrega foi lenta.'"
    

  • Categorizar texto em categorias pré-definidas: Use comandos semelhantes para classificar ou categorizar texto com base em critérios pré-definidos.

Usando Ollama com Python

• Instalar a biblioteca Python do Ollama:

  pip install ollama
  

• Gerar texto usando Python:

  import ollama
  
  response = ollama.generate(model='gemma:2b', prompt='o que é um qubit?')
  print(response['response'])
  

  Este trecho de código gera texto usando o modelo e o prompt especificados.

Links úteis

• Comparação de assistentes de codificação de IA
• Mover modelos do Ollama para um disco ou pasta diferente
• Como o Ollama lida com solicitações paralelas
• Como o Ollama usa o desempenho e núcleos eficientes da CPU Intel
• Testando Deepseek-r1 no Ollama
• Folha de dicas do Bash
• Modelos Qwen3 Embedding & Reranker no Ollama: Desempenho de ponta